一种风力发电短期负荷功率预测方法及风力发电系统技术方案

本发明专利技术公开了一种风力发电短期负荷功率预测方法，以一定时间为一个采集单元，从区域配电网获取负荷历史数据，经过数据预处理后得到一定时间内负荷功率历史曲线；采用数据信号分解方法将负荷功率历史曲线的数据分解成有限组不同频率的内涵模态分量，将多组内涵模态分量分为高频内涵模态分量与中低频分量内涵模态分量；利用组合神经网络策略对高频内涵模态分量进行预测得到多组高频分量预测值，该风力发电短期负荷功率预测方法使用数据信号分解模型对负荷功率时间序列进行分解，得到一系列相对稳定的固有模态分量，有利于负荷功率预测精度的提升，分析高频和中低频分量的不同特点，建立一种负荷功率组合预测模型，更加准确地对风电系统的变流器进行反馈控制。地对风电系统的变流器进行反馈控制。地对风电系统的变流器进行反馈控制。

【技术实现步骤摘要】
一种风力发电短期负荷功率预测方法及风力发电系统


[0001]本专利技术涉及风力发电系统
，尤其涉及一种风力发电短期负荷功率预测方法。

技术介绍

[0002]电力系统短期负荷预测是指依据现有的历史数据，通过数据处理并建立特定的模型，预测未来一定时间的负荷数据。由此可见处理历史数据和模型的选择与搭建是影响负荷预测精度的主要因素。目前负荷预测方法包括物理方法、统计方法。物理方法需要依靠详细的天气和环境因素信息，如：温度、湿度、压强等数据进行预测，需要大量且复杂的计算过程；统计方法基于历史负荷时间序列建立统计数学模型进行外推预测，以获得较好预测。
[0003]为进一步提高预测精度，优化预测模型，数据分解模型降低原始数据的复杂度与波动性，现有技术负荷预测采用的分解算法有小波变换(WT)，经验模态分解(EMD)，都可以从原始数据中获得信号趋势。但小波变换(WT)分解技术对小波基函数的选择比较困难，EMD存在端点效应和莫泰混淆现象；
[0004]现有技术缺少对风电系统的变流器控制的负荷预测方法，中国专利技术专利CN111552923A公开了一种基于通用分布的负荷预测方法，包括采集设定时间段内待预测负荷的分时刻负荷功率及温度的历史数据；对所采集负荷功率以及温度历史数据进行处理，计算得到包含温度增量和功率比值的数组，根据待预测负荷的当前功率值和预测日的温度，拟合得到的通用分布函数，确定待预测负荷在预测日温度条件下的功率比值置信区间，实现给定气象下的功率预测，这种预测方法只是简单对不同一天的温度增量进行计算来达到一个预测的效果，但是这种预测模型只是一种粗糙的预测模型，如在十天中温度变化不大，这种预测效果就很有限，而且没有对高频分量及中低频分量进行区分，预测的精度很难把握，而且该预测方法只是采用一种模型进行预测，这种预测方法也不是针对变流器控制的负荷预测。
[0005]现有技术的预测方法仅使用单一模型往往不能很好地捕捉负荷功率变化趋势，很难进行有效预测，如果在预测中一种模型出现问题，会导致整体的预测出现故障及很大的偏差。

技术实现思路

[0006]本专利技术要解决的技术问题是提出一种风力发电短期负荷功率预测方法，该风力发电短期负荷功率预测方法使用数据信号分解模型对负荷功率时间序列进行分解，得到一系列相对稳定的固有模态分量IMFn，降低了原始数据的波动性与非平稳定，有利于负荷功率预测精度的提升，分析高频和中低频分量的不同特点，建立一种负荷功率组合预测模型，摈除不同频率分量对预测结果的影响进一步提高预测结果的准确性，更加准确地对风电系统的变流器进行反馈控制。
[0007]为解决上述技术问题，本专利技术提供一种风力发电短期负荷功率预测方法，所述风
力发电系统包括发电机、控制器及变流器，所述控制器包括数据采集模块、数据分解模块及高频数据分量预测模块、中低频数据分量预测模块、数据整合处理模块及反馈调节模块，
[0008]所述数据采集模块以一定时间为一个采集单元，从区域配电网获取负荷历史数据，经过数据预处理后得到一定时间内负荷功率历史曲线；
[0009]所述数据分解模块采用数据信号分解方法将负荷功率历史曲线的数据Y(t)分解成有限组不同频率的内涵模态分量IMF，根据导出的不同频率的内涵模态分量IMF所表现的不同特征，将多组所述内涵模态分量IMF分为高频内涵模态分量IMF与中低频分量内涵模态分量IMF；
[0010]所述高频数据分量预测模块利用组合神经网络策略对所述高频内涵模态分量IMF进行预测得到多组高频分量预测值，
[0011]所述中低频数据分量预测模块采用最小二乘支持向量机模型对所述低频内涵模态分量IMF进行预测得到中低频分量预测值；
[0012]所述数据整合处理模块对各高频分量预测值及低频分量预测值进行非等权叠加，输出最终负荷功率预测结果值，并将所述最终负荷功率预测结果值发送给反馈调节模块；
[0013]所述反馈调节模块根据所述数据整合处理模块输出的最终负荷功率预测结果值对所述变流器进行调整控制。
[0014]优选地，所述“从区域配电网获取负荷历史数据，经过数据预处理后得到一定时间内负荷功率历史曲线”具体为：所述数据采集模块采集区域配电网的历史负荷功率，以一定时间为一个采集单元，以多组采集数据作为数据集，生成时间序列负荷功率历史曲线。
[0015]优选地，所述数据信号分解方法为：向待分解数据信号中加入数量和幅值都相同的若干组正负成对的辅助噪声信号进行分解得到内涵模态分量。
[0016]优选地，所述“向待分解数据信号中加入数量和幅值都相同的若干组正负成对的辅助噪声信号进行分解得到内涵模态分量”具体为：
[0017]所述数据分解模块在所述负荷功率历史曲线中取一个数据Y(t)加入正辅助噪声信号得到正噪声的合成信号Y
i+
(t)：
[0018][0019]在所述负荷功率历史曲线的数据Y(t)中加入负辅助噪声信号得到负噪声的合成信号Y
i
‑
(t)：
[0020][0021]所述正噪声的合成信号Y
i+
(t)和所述负噪声的合成信号Y
i
‑
(t)通过集合经验模态分解方法进行分解，得到两组模态信号分量和
[0022][0023]重复以上步骤，得到n组模态分量和和重复过程中，每次加入数量和幅值相同，但相位序列不同的辅助白噪声；
[0024]计算的得到的所述n组模态分量和和的平均值：
[0025][0026]将在所述负荷功率历史曲线所取的数据Y(t)减去模态分量平均值c
i
(t)得到中间值H
m
，将在所述负荷功率历史曲线所取的数据Y(t)减去模态分量平均值r
n
(t)得到中间值H
n
，判断所述中间值H
m
及中间值H
n
是否满足内涵模态分量的条件，如果满足，则判断所述中间值H
m
及中间值H
n
为一组内涵模态分量IMF，如果不满足，则重新按照上述步骤进行分解，直到所述中间值H
m
及中间值H
n
满足内涵模态分量的条件，以此类推，得到多组内涵模态分量IMF1...IMFx。
[0027]优选地，所述“将多组所述内涵模态分量IMF分为高频内涵模态分量IMF与中低频分量内涵模态分量IMF”具体为：对所述多组内涵模态分量IMF1至IMFx按照导出顺序依次排列，根据熵值相似性把IMF1至IMFx分量分为：高频分量IMF1、中低频分量IMF2至IMFx。
[0028]优选地，所述组合神经网络策略包括采用反向传播神经网络；所述反向传播神经网络由输入层、隐藏层和输出层组成，所述隐藏层节点数由输入层节点数和输出层节点数共同决定，输出层节点数为m，输入层节点数为n，得到隐藏层节点数：其中，a为0至10之间的整数，所述隐藏层的层数为一层或多层，所述输入层到所述隐藏层的传递公式为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风力发电短期负荷功率预测方法，提供风力发电系统，所述风力发电系统包括发电机、控制器及变流器，其特征在于，所述控制器包括数据采集模块、数据分解模块及高频数据分量预测模块、中低频数据分量预测模块、数据整合处理模块及反馈调节模块，所述数据采集模块以一定时间为一个采集单元，从区域配电网获取负荷历史数据，经过数据预处理后得到一定时间内负荷功率历史曲线；所述数据分解模块采用数据信号分解方法将负荷功率历史曲线的数据Y(t)分解成有限组不同频率的内涵模态分量IMF，根据导出的不同频率的内涵模态分量IMF所表现的不同特征，将多组所述内涵模态分量IMF分为高频内涵模态分量IMF与中低频分量内涵模态分量IMF；所述高频数据分量预测模块利用组合神经网络策略对所述高频内涵模态分量IMF进行预测得到多组高频分量预测值，所述中低频数据分量预测模块采用最小二乘支持向量机模型对所述低频内涵模态分量IMF进行预测得到中低频分量预测值；所述数据整合处理模块对各高频分量预测值及低频分量预测值进行非等权叠加，输出最终负荷功率预测结果值，并将所述最终负荷功率预测结果值发送给反馈调节模块；所述反馈调节模块根据所述数据整合处理模块输出的最终负荷功率预测结果值对所述变流器进行调整控制。2.根据权利要求1所述的风力发电系统短期负荷功率预测方法，其特征在于，所述“从区域配电网获取负荷历史数据，经过数据预处理后得到一定时间内负荷功率历史曲线”具体为：所述数据采集模块采集区域配电网的历史负荷功率，以一定时间为一个采集单元，以多组采集数据作为数据集，生成时间序列负荷功率历史曲线。3.根据权利要求1所述的风力发电系统短期负荷功率预测方法，其特征在于，所述数据信号分解方法为：向待分解数据信号中加入数量和幅值都相同的若干组正负成对的辅助噪声信号进行分解得到内涵模态分量。4.根据权利要求3所述的风力发电系统短期负荷功率预测方法，其特征在于，所述“向待分解数据信号中加入数量和幅值都相同的若干组正负成对的辅助噪声信号进行分解得到内涵模态分量”具体为：所述数据分解模块在所述负荷功率历史曲线中取一个数据Y(t)加入正辅助噪声信号得到正噪声的合成信号Y
i+
(t)：在所述负荷功率历史曲线的数据Y(t)中加入负辅助噪声信号得到负噪声的合成信号Y
i
‑
(t)：所述正噪声的合成信号Y
i+
(t)和所述负噪声的合成信号Y
i
‑
(t)通过集合经验模态分解方法进行分解，得到两组模态信号分量和
重复以上步骤，得到n组模态分量和和重复过程中，每次加入数量和幅值相同，但相位序列不同的辅助白噪声；计算的得到的所述n组模态分量和和的平均值：将在所述负荷功率历史曲线所取的数据Y(t)减去模态分量平均值c
i
(t)得到中间值H
m
，将在所述负荷功率历史曲线所取的数据Y(t)减去模态分量平均值r
n
(t)得到中间值H
n
，判断所述中间值H
m
及中间值H
n
是否满足内涵模态分量的条件，如果满足，则判断所述中间值H
m
...

【专利技术属性】
技术研发人员：段群龙，朱成中，周党生，庄建广，李威，杨文彪，
申请(专利权)人：苏州禾望电气有限公司，
类型：发明
国别省市：